赞
踩
(1)确定自己要安装哪个版本的tensorflow-gpu;
(1)根据自己要装的tensorflow-gpu版本确定要下载的CUDA版本;
(2)根据要安装的CUDA版本确定要下载的Cudnn版本。
不同版本的tensorflow-gpu与CUDA对应关系如下表所示(图片有点旧了,python版本是2.7和3.3-3.8):
对于版本号大于1.13的tensorflow-gpu版本,如1.14、1.15,建议安装CUDA10.0,不要安装最新的CUDA10.1,安装后会提示缺少很多库文件,而导致GPU版本的tensorflow无法使用,如下图所示:
如果是2.0以上的tensorflow,建议安装CUDA10.1和cudnn7.6.0。
NVIDIA官网链接:https://developer.nvidia.com/rdp/cudnn-archive#a-collapse742-10
目前为止(2019年11月2日),最新的cuDNN版本号是7.6.3,7.5和7.6的cuDNN都支持CUDA10.1,7.4只能支持到CUDA10.0,一般如果安装的CUDA10.0的话,cuDNN7.4是可以的。
输入以下命令:
import tensorflow as tf
a = tf.constant([1.0,2.0,3.0],shape = [3], name='a')
b = tf.constant([1.0,2.0,3.0], shape = [3], name='b')
c = a +b
sess = tf.Session(config = tf.ConfigProto(log_device_placement =True))
print(sess.run(c))
若显示一下信息,说明安装成功。
一切安装完毕!!!
Copyright © 2003-2013 www.wpsshop.cn 版权所有,并保留所有权利。